在未来，人类技能将迎来奇幻的变革。曾经看似遥不可及的能力，如今仿佛触手可及。比如，心灵感应将不再是科幻小说中的情节，人们能够跨越空间，直接读取他人的思想和情感，实现心灵的紧密连接。飞行技能也将普及，不再局限于飞机和飞行器，人类可以凭借自身的力量，像鸟儿一样在天空中自由翱翔，俯瞰大地的壮丽。甚至，时间操控的技能或许会出现，让人们能够回溯过去或穿越未来，探索不同时间维度的奥秘。这些奇幻的人类技能，将彻底改变我们的生活和世界，开启一个全新的时代。

2037年，萨拉是宾夕法尼亚州伊利市一家高端定制店的熟练焊工。她遇到一个问题：康奈尔大学的一位客户想让她帮忙建造一台定制的量子计算设备。自从2029年加州大学圣塔芭芭拉分校在量子计算基片上取得突破以来，这种超未来主义、近乎虚构的技术比任何人预想的都要实用得多，速度也快得多。她接到的这项任务需要建造的设备比传统超级计算机快大约1.58亿倍——用四分钟完成原本需要一万年才能完成的计算。不过，这并没有引起她的注意。她关注的是如何完成这项工作。她知道如何做很多工作，但他们的设计需要大量的塑料焊接——用超声波工具将多个3D打印的塑料部件连接在一起。她以前从未做过，她的老板和同事也没有做过。当然，她接下了这份工作。

萨拉知道她有两个星期的时间来提高技能——这是设备和材料的提前量——她相信到时她会准备好的。那天下午，她戴上增强现实（AR）头显，登录SkillNet：一个全球性的、由人工智能驱动的、由人群编辑的技能发展平台，适用于各种职业和技能水平。一个快速、沉浸式的超声焊接基础知识预演在等着她，但SkillNet的威力远不止于此：它的人工智能最初就推荐她接这个活儿。基于她过去所有工作的精细、丰富的数据——每一份工作、她使用过的所有工具、她与客户和内部的所有沟通、她完成工作时的所有动作——系统告诉她，这个订单将具有挑战性，但可以完成，而且她会发现，这将是她平时做的铝制件的有趣补充。蒂姆，她的老板，也对此表示赞同，并说他能跟在她身边时就会跟在她身边，并会留意SkillNet的通知，看他的指导是否有帮助。她激活了预演，一个数字化的超声波焊接装置出现在她的真实工作台上，她得到一个简单的口头邀请：“开始吧——打开它。”萨拉不知道哪个按钮是正确的，但她微笑着，试着按了一个看起来正确的按钮：她很兴奋能开始学习。

等焊工和材料到达时，萨拉已经练习了10个小时，难度越来越大（在最后的模拟测试中，她获得了该地区的高分，非常感谢），她的技能网个人资料上有一份超声波入门实践课程的结业证书，她的客户发来信息，赞扬她的主动性和进步。两天前，技能网建议几位专家作为她的实时导师，在她工作期间为她提供指导——这些专家在萨拉的组织之外，他们的技能和风格与她和该项目非常匹配。萨拉选择了印尼的超声波奇才里兹基。除了所有工作上的事情，她的姐夫也是印尼人，所以她知道他们可能也有关于印尼炒饭的食谱可以聊一聊。技能网为他们安排了第一次工作会议。然后，萨拉查看了技能网生成的里兹基过去几个工作的超级剪辑，根据提示识别了各个片段中正在发生的事情，以便让里兹基查看，然后她回家过周末。她已经准备好了。

萨拉的第一天非常愉快。她戴上AR焊接眼镜和手套，里兹基的化身和工具出现在她的工作区。萨拉还注意到，一些新手焊工——甚至还有一名高中生和一名退休人员——请求进行观察访问。她同意了，然后开始教学。里兹基用印尼语进行实时翻译，他带着萨拉一步步完成工具的初始设置——这很像正常的焊接，所以进行得很快——然后她在一些模拟材料上进行了几次练习焊接。里兹基看着萨拉操作，在她操作时给她口头和图像指导，根据萨拉之前的设置，技能网络在她纠正小错误时授予她“恢复点”，练习完成后，萨拉拿出量子数据平面，这样她就可以将其与控制和测量平面连接起来，技能网络巧妙地模糊了里兹基和观察员的工作中的专有组件和细节，以保护萨拉的客户。Rizky指导她如何将这些复合材料结合在一起，而Sara的手套则为她提供物理反馈，引导她以正确的方式施加正确的力。当他们都满意萨拉能处理好这项工作时，萨拉感谢里兹基。他们都回答观察者和SkillNet的问题15分钟，然后将他们的会话上传到SkillNet。萨拉也在那里上传了她的后续作品，她知道她会从SkillNet AI和世界各地的焊工那里收到大量的反馈和问题。她期待着为那些新的铝焊工提供同样的回报。萨拉也很自豪，因为她在这么短的时间里学会了一项新技能，并且很兴奋能开始这个前沿项目。

思索了一会儿，萨拉惊奇地摇了摇头。她三十七岁。她在十三年前的2024年开始焊接，这一切都不可能实现。如果经过几个小时的搜索，她能在YouTube上找到一段还算不错的片段，她算是幸运的了。好像这真的能帮助她出人头地一样。现在吗？她的超声技术之旅是靠火箭燃料进行的。挑战吗？检查:她正在承担一个远远超出她先前技能范围的项目，她被越来越困难的任务和她无法独自应对的小失败所束缚。复杂性？检查:她正在处理新工具、新工艺、新材料和新工作产品，这些都涉及不同的动态，但以有趣的方式与她之前的工作相关联。连接？检查:她和里兹基选择了合作，他们现在有了温暖的信任和尊重，她也得到了里兹基的公开支持，可以进行更多的此类工作。她不是唯一受益的人。里兹基？他从中获得了满足感，并乐于将所学知识传授给他人。他重新学习了有关铝的知识，并从SkillNet提供的指导中学到了一些小窍门。此外，他还获得了全球焊接界的更多尊重。那些真正的新手焊工？他们详细了解了本职行业的某个角落，而这个角落可能正是他们所不熟悉的——包括实际问题以及专家与新手之间的指导互动。高中生和退休人员则深入、着迷地了解了前沿的、专家级的工作。当然，他们还获得了对焊接职业的新发现，谁知道呢，这还可能促使他们更深入地参与其中。

莎拉的场景有点未来主义，但不需要虚构。它利用现有的技术，假定它将在2037年变得更具成本效益，并将更便宜、更好的版本混合在一起，以便在自然工作的流动中培养技能。2024年，我们有了高质量的AR:苹果刚刚宣布了他们售价3500美元的头戴设备。Meta有他们的大致对应物。两者都融合了数字和物理现实。我们有ChatGPT和它的类似物，如果巧妙地提示，可以作为教练。微软和谷歌都宣布，他们的GPT系统将能够根据你的“知识图谱”——你之前所有的电子邮件、IM、照片、文档等——为你提供定制的内容创建建议。我们还有像GitHub、YouTube和Reddit这样的在线平台，用于直播、丰富的数据交换、大众评论和策展以及各种配对。因此，萨拉的场景是所有这些技术和技术的聚焦快进，向人类能力的更光明未来迈进。

没错，问题的一部分是解决方案所必需的。但这并不是波动的部分。请记住，技术本身并没有造成我们正在经历的任何与技能有关的问题。是我们与我们日益智能化的工具达成了一项协议：为我们提供技术增强的生产力，我们将牺牲专家-新手关系。第七章告诉我们，这项协议是可选的。但是，为了真正增强我们的技能发展——达到我们这个物种历史上前所未有的水平——我们需要一个新的、始终开启的、可访问的、全球规模的基础设施，以确保健康的挑战、复杂性和联系。仅靠人类无法完成如此复杂的事情。我们需要人类和非人类智慧的最佳组合来实现这一愿景。

这意味着技能的未来可能比萨拉生活的更加未来。

请戴好你的帽子

自从互联网真正出现以来，已经过去几十年了。这显然是一种通用技术——与大多数技术不同，它们在许多方面对我们大多数人都有用。我们的经济、我们的工作、我们的社交生活，甚至我们的信仰和偏好都会发生重大变化，只要我们建立它们。在互联网出现之前，很难想象互联网出现后的世界。钢铁、电力、蒸汽机、内燃机、装配线、电报等等也是如此。就在2023年的今天，我们有了开放、免费使用、基于聊天的生成式人工智能——即ChatGPT。这是另一种通用技术，这次它产生了有用的单词、想法、图像、代码等的组合。许多人称之为“一切的自动完成”。这是另一个我们很难看到远景的时刻。因此，我们知道——如果我们正在寻找一种积极的技能愿景——到2037年，真正的可能性将使我所呈现的内容相形见绌。技能的潜力可能会大得多。

举一个例子：提示。如今，无论你走到哪里，都能听到它：那些能够为ChatGPT构建合适的问题的人将获得更有用的输出，他们将遥遥领先。从短期来看，这显然是正确的：“写一封电子邮件来说服比萨店储存我的纸巾”和“一步一步地指导我写一封有说服力的电子邮件，向比萨店销售纸巾，就像你有营销大师赛斯·高汀的专业知识，并依赖马特·比恩的《技能代码》中的技巧和研究一样。”在许多情况下，如果你能写第二条提示，你会好得多。但很明显，这是一个暂时性的问题。到今年年底，我们将拥有商业上可用的系统，这些系统将自动指导我们取得更有成效的结果。在纸巾的例子中呢？我们可能会写第一条提示，系统会回复：“我需要问你几个问题，以确保你能完成销售。顺便说一句，你希望在完成邮件时提高这项技能吗？这只需要额外几分钟的时间。”没有人参与其中，只有一个由人工智能驱动的引擎，有两个目标：让用户获得他们想要的结果，并推动他们掌握更多技能。萨拉可能会在SkillNet中嵌入一个更活跃的教练，如果它能记住他们之间的互动并随着时间的推移指导她，她甚至可能会开始与它建立联系。

但你应该比这更紧地握住你的帽子。也许更紧。

让我们从计算开始。我们在实用量子计算机方面取得了稳步进展——萨拉在她的工作台上研究的就是这个设备。量子比特（量子位的缩写）不能像经典计算二进制单位那样以0和1表示世界，而是可以做到这一点，同时保持两个值。因此，量子计算机可以一次完成所有计算，而不是一次一次地进行计算。我给你们的那些性能数据是今天对这些设备应该能为我们做些什么的估计。我低调地描述了情况:在几秒钟内，这些系统就能计算出宇宙大小的传统计算机永远无法计算的某些事情。首先，这可以为化学、地球物理学、气候、能源和生命科学领域的科学发现提供强大的模拟建模，并加速机器学习（也称为人工智能）的基础操作。很难想象哪些领域不会受到影响。这一切背后的转折点是，多年来，他们一直依靠人工智能来完成工作，例如在模拟红宝石和钻石（不是开玩笑的）作为量子计算基板的加热特性。因此，GPT革命将在他们的所有工作中起到不确定但有力的加速作用，他们将加速前进。量子计算机现在准备好了吗？没有。你应该假设它们在20年内不会出现吗？15年？不。

因此，不仅人工智能正在加速这种强大得多的通用技术的到来，而且这种技术本身将对数字学徒制产生深远影响。如果利用功能量子计算机，结合我上面提到的GPT式人工智能，SkillNet会是什么样子，它能为我们的技能做些什么？你可能会开始想象——为每个人提供超个性化的、精细的指导，每时每刻都如此，模拟与整个任务和技能选择的一生相关的巨大复杂性等等——但要做出可靠的预测，祝你好运。有一件事是肯定的：潜在的好处可能会让萨拉的乐观故事显得平淡无奇。

头有点晕吗？让我们把它放在聚变能源上：聚变能源承诺提供极其安全、零排放、几乎无限的能源，而且没有任何放射性废物。与量子计算不同，对聚变能源的希望自20世纪50年代以来一直伴随着我们。

快进到2022年12月5日。这一天，美国能源部国家点火设施的聚变反应堆产生了比投入更多的能量。基本上，这是人类历史上聚变火焰（由聚变氢原子释放的热量和光）比匹配更大的时刻:在这种情况下，192个高能激光束指向这些原子。在那一天之前，许多非常严肃的核聚变科学家认为这个里程碑还有30年，就像冷战以来的每一年一样。麻省理工学院核物理学家兼等离子体科学与聚变中心主任丹尼斯·怀特认为，我们离商业化设计还有四年的时间，微软刚刚签署了一项协议，将在五年内从一家名为Helion Energy的创业公司那里购买聚变能源。这里，就像量子计算一样，先进的AI——来自谷歌的DeepMind团队以及学术界——正在帮助科学家设计用于这些反应堆的磁体和复合材料，以及模拟等离子体的行为（磁体包含的超热气体，即发生聚变反应的地方）。人工智能发展得越先进，我们就越快走向融合。

如果电力实际上是免费的，那么SkillNet将如何运作？我们可以用它来做什么以前做不到的事情？会产生什么积极的影响？同样，我们可以想象它的影响——比如让更多的人掌握更好的技能——但自信地断言它将在何时、以何种方式发挥作用是愚蠢的。我们根本无法看清角落里发生的事情，更不用说当几件事或多或少同时发生时了。

我可以继续。SpaceX自2019年5月开始发射以来，已经在轨运行了超过四千颗卫星。这些项目仅在美国农村地区就为大约150万个家庭提供了高速互联网。他们的目标？四万两千颗卫星。所以，我们会更加紧密地联系在一起。SkillNet以更快的速度获取更多。机器人的成本——包括传感器、塑料、金属、电池、人工智能控制软件等——正在迅速下降，它们的组件越来越模块化（可以在机器人之间互换），许多公司不再要求数十万美元或数百万美元的现金，而是根据它们采取的每一次成功行动（无论是捡起狗狗的零食还是钻飞机机身的孔）来租赁它们的系统。SkillNet可能会控制或让你监督一两个机器人练习伙伴。2023年5月4日，在地球上的顶级科学期刊之一《自然》上发表的一篇论文显示，我们可以从脑电波中创造视频。不仅仅是任何视频，而且是非常逼真地再现了老鼠当时所看到的视频。SkillNet可以记录你所看到的，而不需要笨重的AR头盔。显然，所有这一切——充其量——几乎不能进入商业市场。但是，我们确信它不会在接下来的20年里得到广泛应用吗？15年呢？

这些技术中的任何一种都可以让工作世界的很大一部分发生深刻的重组，包括技能发展的核心挑战、复杂性和联系。很多非常聪明、非常有干劲的人都在同时研究所有这些技术，而人工智能正在让他们跑得更远、更快。我们真的坐在火箭的鼻锥体上，指向伟大的彼岸，助推器已经点燃。我们正在向某个地方快速前进。但是……

我们可能不想去那里。

技能不平等幽灵

作为一名社会学家，我不相信希望、积极的例外情况或可能性。我看到的是社会力量在起作用。情况、做法、工具、制度和文化，使任何参与其中的人更有可能得到某种结果。剥夺一个人的金钱等资源，平均而言，他们开始表现得像一个穷人一样。把一个人放在一个具有特定政治信仰的社会网络中，平均而言，他们会接受这些信仰。如果我们减少新手参与工作，就能让我们获得快速的生产力增长，给我们这样的技术好吗？平均而言，我们会这样做。从这个角度来看，我所知道的所有研究（包括我自己的和其他人的研究）的“安全”预测是，我们将继续削弱专家-新手之间的纽带。我们将降低工作中的健康挑战、复杂性和联系，而少数能发现影子学习实践或足够幸运地避免这些陷阱的人，将比我们其他人拥有高得多的技能。

我们现在对收入和财富不平等感到担忧。这是严重的问题。但此时此刻，我们也在一条通往技能不平等的道路上狂奔，而作为一名社会学家，我没有看到任何大规模改变这种局面的力量。

我们不希望生活在这样的未来。首先，在技能发展上遇到障碍的人，在事业、收入和生活质量上也会遇到障碍。对大多数外科医生而言，这或许意味着被顶级医院拒之门外，收入受限，以及被时代抛在后面带来的压力——而少数人则遥遥领先，声望日隆，完成更多“起死回生”的壮举，收入也高得多。但是，与高社会地位、高收入的职业相比，技能不平等的问题要更深、更严重。我和我的团队花了三年时间采访了数百名仓库工人，我可以告诉你，威廉·吉布森（William Gibson）的名言（“未来已经到来——只是还没有平均分配”）在这里也同样适用：这个更黑暗的未来已经到来，而且主要集中在低薪、入门级和重复性工作上。这些人往往是临时工，没有福利，没有工作保障。几乎没有培训，实际上也没有导师。仓储公司投入大量资源，积极地让这些人的工作失去技术含量。工业工程师在仓库里走来走去，进行详细的时间研究，以找出如何提高生产率的方法。对于仓库来说，那就是仓库每天可以处理多少件物品，乘以“缺陷”率——或者每百件物品中没有损坏、标签不正确、被盗的物品所占的百分比。那么，提高吞吐量和质量的最佳方法是什么呢？减少“技术性接触”。那些工业工程师知道，每次有人处理物品时，都有可能出错。处理物品所需的技术性越高，出错的可能性就越大。因此，他们不断重新设计工作，以从工作中提取技能要求，并量化产出——而不仅仅是减少人与产品互动的次数。要得出一个令人震惊的结论，只需再迈一步：工人在这种工作上呆得越久，随着时间的推移，他们的技能就越少。他们的技能会退化。

这也是一种贬低。据一位员工说，很多人“满足于只做苦活累活。我的意思是，因为很多挑选和包装的地方——就像高中一样，你知道我的意思吗？你宁愿待在码垛机里，也不愿和上面（其他地方）的人打交道。”所以，健康挑战和复杂性消失了。健康的人际关系也消失了。另一位员工说：“老实说，我不能（告诉你我的同事是什么样），因为我不和那里的任何人说话。我们想快速完成工作，提高我们的数字。”最后一位员工告诉了我们一个令人不快的结论——你在这样的工作中呆得越久，就越不可能寻找更好的工作：“有很多仓库工作，你看到人们在那里呆了一段时间后，我只能说他们筋疲力尽，无时无刻不感到厌倦，但（他们）真的不知道其他的事情。”“在这里以及整个经济中许多类似的地方，我们真的在大规模地以技术生产力的名义破坏人类潜力。西塔，以及我和我的团队在美国各地的仓库里发现的像她一样稀有的少数人，证明了我们几乎可以在任何地方建立丰富、有价值的技能。去技能化、降级的工作总是可选的。除此之外，西塔、伊内斯和杰拉多的创新向我们证明，重视技能而不是纯粹的生产力不仅仅是慈善或同情的行为。坚持技能发展和生产力也会带来巨大的竞争优势，如果我们坚持牺牲技能的现状，也会带来机会成本。

萨拉的未来——一个技能代码健康、充满活力的世界——不会自己实现。没有专注的、大规模的投资，我们将看到更多我在仓库里看到的大多数工人的技能未来。要实现这一点——阻止黑暗的社会技能预测成为现实——我们必须建立一个新的、全球性的、由人工智能驱动的基础设施，以加强这些技能基础，而不是破坏它们。在这方面，我们需要采用我们担心的技术——机器人、人工智能、摄像头、互联网、移动设备，以及像ChatGPT这样的大型语言模型——并利用它们来构建我们在21世纪需要的技能基础设施。那些在组织中拥有权力的人需要将这种新的基础设施融入第7章中列出的所有策略和方向——这样他们就会比不这样做更强大。萨拉知道：这是一个将人类和科技带入更紧密舞蹈的未来，挑战、复杂性和联系将蓬勃发展。

技能的未来是嵌合的

在这个新世界中，我们将拥有一个由人类专家、新手和人工智能组成的网络，专注于在工作中心构建人类和人工智能能力。正如你在Sara的案例中看到的那样，这远远超出了专家和新手之间的AI辅助匹配，他们碰巧不在同一个物理空间或组织中。这实际上是一种连接专家和新手的新织物——通过简单地与之互动，人类和人工智能的学习速度都比他们独自学习更快，从而增强人际关系和我们的成就感。许多实现这一点的工具已经摆在桌面上:像亚利桑那大学的库尔特·范莱恩和米歇琳·齐这样的人机交互研究人员向我们展示了互动的自动化系统，这些系统在学习者寻求技能时提供强大的帮助，甚至是协作粘合剂。有时，这些方法比人类导师更能帮助我们提高技能——这是对布卢姆“两西格玛”问题的有限但真实的解决方案。生成式人工智能提供了丰富和深化这种人类与技术的合作关系的重大机会，以及我们与之相关的集体技能。

我们已经开始称这种系统为幻想。这原本是一个古希腊生物的名字，它有狮子的头、山羊的身体和蛇的尾巴。不同实体的混合体。当系统既不是人类也不是技术时，它是嵌合的——它使我们能够充分利用两者，以比人类或人工智能单独所能做到的更好的方式。这方面的一个早期、干净的例子是在国际象棋界。几个世纪以来，人类最擅长这项游戏，他们以令人恐惧的强度竞争和审视游戏，以提升游戏状态。1985年，卡内基梅隆大学的计算机科学家开始开发一个名为“芯片测试”的国际象棋程序。但你可能知道IBM在1989年接手该项目后给它取的名字:深蓝。1997年，它在与伟大国际象棋特级大师加里·卡斯帕罗夫的表演赛中获胜。显然，就是这样:计算机最擅长下国际象棋。但这种情况并没有持续。很快，最优秀的棋手变成了奇美拉——人类与人工智能搭档，可以击败单独的人类或单独的人工智能。根据棋盘的情况，人工智能可以提出一个具有很高成功概率的复杂走法树。但人类最善于直觉地了解棋风并承担经过慎重考虑的风险。最终，人工智能再次登顶，但与现实生活相比，国际象棋并不是一个复杂的问题。当棋盘、规则和玩家数量以不可预测的方式发生变化时，奇美拉将拥有真正的持久力。

一些公司正在使用嵌合系统来帮助人们更有效地完成工作，比如维护燃气轮机、设计计算机芯片、操作癌变肿瘤，甚至收割庄稼。如果设计得当、部署得当，嵌合解决方案将把人类支撑到比人类或技术单独工作更高的生产力水平：微妙的早期预防性维护让涡轮机以更低的成本运转，巧妙的芯片设计节省电力，确保你在手术中切除所有癌变组织，而当你以超人类的精确操作联合收割机时，对庄稼造成的损害也小得多。但是，正如你现在所知道的，今天的嵌合体在过程中几乎从不发展人类的技能。它们不促进健康的挑战，不培养健康的复杂性，也不促进人类之间的健康联系。短期来看，它们给我们带来了巨大的生产力；嵌合体可以像魔鬼一样分拣番茄或交易证券。但是，在这个循环中，人类会忘记如何做这些事情，而且也没有一个混合的技能构建系统来重新定向、利用和增强该人的智力和能力。我们没有一个数字学徒来取代我们正在失去的模拟学徒。为了在智能机器时代保存人类的能力，我们必须建立一个数字学徒。从现在开始。

让我们暂时离开这面“黑镜”吧。对我们大多数人来说，它还没有出现。好消息是，吉布森在两个方向上都是正确的：萨拉2037年故事中明显可见的技术和系统，今天都在使用中，只是分布不均。

数字化学徒计划的构建模块

administrators to enter rules，roles，tasks，credentials，and other萨拉未来的技术支柱有两种形式:更集成和封闭的系统和更离散和开放的系统。前者较为有组织但僵化，而后者则充满活力但混乱。在综合方面，我们有企业学习系统和在线学习平台，如可汗学院和Code.org。这些可以收集有关人们的工作任务的数据（例如，完成时间、花费的时间和测验的错误率），并允许管理员输入规则、角色、任务、凭据和其他准则。这些是离散学习的基石:课程、微课程、职业道路等等。这些反过来又构成了长期技能开发经验的基石:在银行为非编码人员举办编码技能训练营。软件工程师的项目管理密集型课程。为期半年的重症监护护士再培训项目。组织通常会规定新手应该如何进步，但它正在变得更加开放:人们可以通过介绍性内容、对技能和潜在方向的新洞察以及像Gloat这样的人才市场，来浏览并发现自己的前进道路，这些市场帮助管理者、专家和新手实现下一个重要工作任务的民主化，以提升技能、成果和职业生涯。

像这样的综合系统仍然严重偏向于陈述性知识——那种让你获得球赛门票，而不是场上位置的书本知识。如你所知，我们大部分有价值的技能都是在获得这类知识之后建立的，而且我们通常过早地获得了太多的这类知识——这确实会阻碍我们掌握扎实的技能，因为它剥夺了我们挣扎、内隐学习和导师指导的任务执行，而这些对于健康的挑战、复杂性和联系是至关重要的。但是这里确实有进步：人才市场和技能训练营更加注重通过协作工作体验来帮助人们掌握技能，这样他们就可以在这个过程中掌握技能。例如，在Code。org——一个致力于将计算机科学带入K-12教育的组织——在经过一两年更加自主的、学会点击和拖动式材料的学习后，许多学习互动在小组中展开，试图构建软件来解决越来越具有挑战性的现实世界问题。在企业方面，MentorCliq将公司的专家与新手进行长期指导，有时会与他们的工作相结合。通过将人们连接到实际工作中，并给他们一个相互挣扎和支持的机会，集成系统也可以在此过程中培养人际关系。最后，这些系统的许多方面现在可以更精细地预测和推荐有用的内容、职业、工作和任务选项，以及在某些情况下潜在专家新手匹配的质量。有了GPT风格的AI，这种自动化指导将开始通过相当逼真的基于语音和文本的聊天来实现。在可汗学院的“可汗米果”功能中已经实现了这一点，萨尔·可汗在2023年TED讲台上演示了这个系统——该系统根据对优秀辅导的研究，指导学生写小说或做数学题。这意味着辅导直接来自系统，没有人参与其中。它还可以指导教师充分利用他们的才能。这种能力是否完全反映了技能代码？还没有。例如，人类之间缺乏健康的联系。但它肯定朝着正确的方向发展。

我们需要的一套数字技能培训的构件的另一半，是一个嗡嗡作响的、更分散和开放的技术全球生态系统。即使现在，我们也可以把这些放在一起，获得关于人类能力和技能发展的令人惊叹的新见解，因为这些组件正在以新的方式收集和代表专家和新手的行为。曾经只有专业运动员和他们的百万富翁教练才能使用的东西，现在将面向大众。在平台方面，想想YouTube。在数据创建方面，想想摄像头和键盘。平台允许任何互联网连接的个人以某种形式围绕内容进行创建、共享、消费和互动。YouTube本身可能是自印刷机以来最大的技能增强创新——在过去的一两个月里，你有多少次去那里看一个简短的“如何做”视频，浏览一下评论，然后去解决一个你以前无法解决的问题？我向你们展示了这是世界上最好的机器人外科医生正在学习的关键部分。更广泛地说，对于我们中的数十亿人来说，在许多许多主题上都是如此，这些主题通常侧重于更多的程序性知识——很难用语言精确描述的任务。像Stack Overflow这样的基于线程、文本和文件的平台提供了互补的帮助——你可以去那里，发布你的问题，专家可以在几分钟内给你指明方向。你也可以在力所能及的时候为别人的问题提供帮助，每个人都可以对各种回答的有用性进行评分，因此有用的东西更容易找到。

我们不太关注数据生成方面：将现实世界的现象转化为数字信息的设备。基本元件是传感器，比如摄像头、麦克风、天线、秤和加速度计（一种可以感知运动的陀螺仪）。这些元件的成本迅速下降，因此我们将它们集成到各种设备中，包括我们用来完成工作的工具。其中两种我们非常熟悉：键盘和鼠标。我们的输入动作生成计算机可以读取和执行的数据。为什么传感器数据对技能很重要？专家和初学者需要有关实际工作活动（包括练习）的丰富、直接的数据，以确定目标，指导练习和反思，并指导他们的协作工作。这种技术使我们能够超越我们自己的传感器的限制——眼睛、耳朵、皮肤、舌头、鼻子——获得新的、有用的见解，这些见解可以带来健康的挑战、复杂性和联系。钢琴家在弹琴时到底承受了多大的压力？学生到底在什么时候会分心去做其他事情和无休止地滚动屏幕？治疗师在无法诊断出抑郁症症状时到底在做什么？更便宜、更多样化的传感器可以帮我们找到答案。事实上，促使我放弃一份相当不错的咨询工作的部分原因，就是发现了亚历克斯·“桑迪”·彭特兰在麻省理工学院实验室里测试的“社交计量徽章”。你可以把这种小设备挂在脖子上，每个徽章上有五个传感器，可以捕捉到佩戴者之间人际互动的各类数据。它们可以实时告诉你，你在谈话时是否说得太多，是否轮流发言，你花在谁身上的时间最多，说话时是否坐立不安。桑迪和他的学生利用这些数据，对各种重要结果做出了令人震惊的准确预测，从快速约会到创业推介，再到群体决策。专家新手合作提高技能可能就是其中之一。

当然，这些技术也存在很多问题。主要的问题是，我们正在从大量的新数据中汲取养分，却无法理解这些数据。在平台方面，很难找到有质量的内容：我研究过的影子学习外科医生平均花了大约20个小时，才在YouTube上找到一个高质量的视频片段，来满足他们的学习需求。住院医生一般没有这么多时间。只有那些真正痴迷于此的人——那些愿意牺牲10个小时的睡眠时间、与爱人或病人相处的时间——才会找到并从中学习。很多行业的新手会停留在他们找到的第一个看似合理的内容上，这可能会误导他们，或者至少对他们没有帮助。像这样的平台，对培养健康的联系起到的作用微乎其微——祝你在视频的评论部分或代码存储库中与Axlotl113建立温暖、互信和尊重的纽带时，好运连连吧。在数据创建方面，廉价的传感器意味着大量有关专家和新手工作方式的数字化信息，具有讽刺意味的是，这可能会减少学习，因为没有人确切地知道如何使用这些信息。例如，我研究过的每家仓储公司都在每栋建筑里安装了摄像头。他们检查这些数据是为了发现和培养特别有效或熟练的工作方法吗？不是。他们唯一一次查看这些数据是在事故、争吵或失窃之后。技能甚至不在经理们的考虑范围之内——他们专注于确保可靠、安全的运营。除此之外，廉价的、无处不在的传感器引发了各种隐私和其他伦理问题——还记得上一章有关监视和影子学习的整个争论吗？我们必须避免捕获一切的诱惑，以免将有益的创新推向黑暗。

在技能代码方面，在等式的平台和数据创建方面都有大有希望的进展。我是一名科技创业者，而不仅仅是一名学者，因此在过去三年多的时间里，我和我的同事Juho Kim——韩国科学技术高级研究院的一名公认的人类-计算机交互式学习专家——一直在努力构建这个领域的某些东西。我们把这个第一个模块称为Surch。

想象一下贝丝——第1章中那个学习阴影的住院医生——在凌晨2点19分坐在电脑前。她的目标是找到一段肥胖病人的吻合视频：这是她几天后要处理的问题。这是机器人前列腺切除术的一部分，前列腺本身已被移除，膀胱与尿道分离。外科医生的工作是将膀胱颈重新连接到尿道，这样病人才能再次上厕所：如果吻合口漏水，可就开玩笑了。贝丝在没有我们的技术条件下练就了这项技能，所以她得花大约10个小时来寻找合适的视频。大多数视频都是健康、体重正常的病人（也就是说，相当不寻常），她知道，如果有很多脂肪组织挡路，做这种缝合工作会困难得多。所以，她不停地搜索、搜索、搜索。

那些在实际临床操作中使用过我们系统的住院医生可以在几秒钟内找到他们的夹子——以及夹子中的吻合口——然后他们可以通过再次点击直接跳到吻合口。整个过程不到一分钟，这正是大多数外科医生可以用来解决搜索问题的时间。如果视频对他们的技能发展有用，他们需要在走廊或地铁里在短时间内获得高质量的、目标明确的内容。这就是我们提供的。但我们做的远不止这些：在美国排名前九的教学医院里，住院医生不仅可以找到他们需要的内容——专家还可以给他们分配任务来完成这些内容。像克里斯汀这样已经当了几年住院医生的医生，可能会收到一个任务，要求他们观看三个视频，然后就这些外科医生如何进行吻合口手术写几条评论。然后，克里斯汀的主管道格会查看这些评论并给出反馈。道格获得了关于克里斯汀能力的新信息流：她注意到了什么？她提取的细节是否正确？她是否正确地突出了潜在问题？他更清楚地知道他可以在多大程度上信任她的手术判断。而克里斯汀则获得了新的反馈和在道格手术中的可见度。他们的联系得到了加强，而她也获得了应对挑战和复杂性的新方法。

这一切都是通过一个奇美拉实现的：人类教AI教人类教AI教...你明白了。我们已经招募了越来越多的医疗住院医生和顶级外科医生使用该系统进行专家-新手学习互动，这产生了培训数据:例如，每次有人标记手术阶段的开始或结束位置。我们利用他们的点击和观看次数来训练一个人工智能，以类似的方式对这些视频进行分类和解析。用专注于程序知识的研究人员的术语来说，我们正在自动生成每个视频的“语义图”——在他之前的研究中，Juho称之为“学习者资源”。“这就像有一本书的索引，查找你想要的东西要快得多。我们还提供了一些模块，允许用户之间进行交互式协作连接，以便他们可以共享视频片段、提示和评论。到本书出版时，朱霍和我希望能推出完整的套件，包括一套高质量的过滤器，并在用户之间进行有线、有评级的讨论——为全球的专家和新手外科医生提供健康的挑战、复杂性和联系。

当我们建立这样的嵌合体平台时，我们不仅有可能挽救我们在工作中的技能发展，还有可能改写技能代码，使其比以往任何时候都更加强大。朱霍和我对这个平台有着这样的愿景：特别是如果没有人尝试的话，我们将推动它成为这个星球的数字学徒制基础设施的1.0版本。我们将提供工具，使用户能够捕获、研究和分享任何形式的程序性知识——由人工智能和全球专家和初学者社区提供支持，人们可以高效地协作学习如何撬牡蛎、移除树桩、更换汽车中的机油，以及执行无数其他任务。当然，如果我们的系统仅仅让那些试图学习使用各种医疗设备的专业人士受益，我们将感到感激和兴奋。但世界比以往任何时候都更需要健康的技能发展，我们的目标是尽我们所能，创建一个开放和可访问的基础设施，让我们所有人都能分享萨拉生活的世界。

我们需要你的帮助。

我们的选择，我们的技能，我们的未来

这本书的核心是人、人际关系和选择，而不是技术。无论未来的技能世界多么神奇和必要，它只有通过我们的工作、人际关系和选择才能实现。在专家和初学者之间合作的纽带中，对卓越的日常坚持激发了这种纽带。当我们削弱这种纽带，寻求技术支持的生产力时，就会产生痛苦和浪费。在逆境学习中展现的独创性和毅力，克服了这些障碍，产生了技能。这些为旅程中的每一个健康步骤留下了线索，如果我们想打造一个更光明的明天，就需要密切关注它们。除非我们中的许多人承担起这项事业，否则这一切都不会发生。

不管你觉得自己拥有多少或多么少的力量，你都能在开创未来方面发挥关键作用。如果你对某事一无所知，我们需要你保护健康的挑战、复杂性和联系，你需要建立技能和取得进步。当你通过自己的社交世界做出改变时，你不仅是在帮助自己，尤其是通过你为附近的新手树立榜样。如果你是某方面的专家，我们需要你放大和丰富你周围的新手技能之旅。你会通过实例证明，专家在培养技能发展、同时加深人际关系方面还有新的天花板。如果你是一名经理，不仅负责人员，而且负责组织及其技术，我们需要你坚持生产力发展和人力资本发展并不矛盾，并给我们提供具体、有用的方法，通过结合它们来获得更多的两者。如果您是企业家，正在构建和出售明天的智能技术，您有一个巨大的机会和义务向世界展示，通过使组织更难在不同时发展技能的情况下提高生产率的系统，可以创造金钱和人类福祉。如果您是政策制定者，您还可以通过投资公共资金来区分自己，并改善我们的共同命运。政府的一个关键角色是纠正经济学家所称的“负外部性”——当我们的行为造成麻烦，而我们不必立即处理时。这本书中的威胁就像污染一样——公司获得了短期的生产率提升，但不会感受到剥夺下一代技能的痛苦。去年，美国教育部支出6390亿美元。明年应该支出多少来解决本书中的外部性问题？我们每个人都有代理权，可以优先获得我们面临的技能机会的独特部分，因此我们每个人在未来几个月和几年中都可以在技能代码的发现、开发和部署中发挥自己的作用。

我们正在创造的智能技术总会有阴暗面，会带来意想不到的后果，让我们夜不能寐。但如果我们为这些技术注入新的生命力，并保护好这个让我们走到今天的元超级力量，我们就有能力适应已经播下种子的任何变化。我们的挑战和机遇是：与智能机器一起学习，这样我们才能向后代展示如何做到这一点。我们必须尽可能地保护健康的挑战、复杂性和联系。我们也必须向影子学习者学习。我们需要将这一切结合起来，为下一代建立并拥有一个新的基础设施，让专家和新手建立联系。这就是我们如何加强人类通往技能和适应性的神圣道路。在这个世界里，我们将继续看到一个人做一件事，教一个人做一件事——只要这种做事方式符合我们正在创造的新工作世界。

多年前，当我把下巴放在那根破旧的栅栏柱上时，我被一位铁皮匠指导新手如何正确地敲打烛台的情景惊呆了。我从中学到了一些关于他们如何合作，以及这种富有人情味的伙伴关系如何培养技能的知识。那次经历在我心中点燃了一团火焰，我毕生致力于理解和提高这种技能。但我们都了解这个过程——了解本书核心的技能密码——因此，我们所有人都可以为保护和提高这种技能而努力。如果这本书在你心中点燃了一团火焰，拿起它的工具，开始工作吧。我们——以及我们的技能——比以往任何时候都更需要你的帮助。

作者简介：马特·比恩（Matt Beane）是加州大学圣巴巴拉分校技术管理项目的助理教授，同时担任斯坦福大学数字经济实验室和麻省理工学院数字经济倡议的数字研究员，Matt研究涉及机器智能（特别是机器人）的工作中的异常现象。

本文节选自：The Skill Code:How to Save Human Ability in an Age of Intelligent Machines

出版社‏:‎Harper Business(2024-06）

语言‏:‎English

精装版‏:‎224 pages

ISBN-10‏:‎0063337797

ISBN-13‏:‎978-0063337794